title: "Harvey 的毛利率过山车：Token 涨 20 倍、一度跌到 -50%，靠自研 Kimi K3 模型转正" slug: harvey-gross-margin-self-built-kimi-k3-model date: 2026-09-22 category: 行业应用 tags: Harvey,Kimi K3,自研模型,毛利率,应用层,垂直 AI summary: 彭博披露：法律 AI 独角兽 Harvey 的 Token 用量一年涨 20 倍，毛利率从年初约 50% 一度跌至 6 月的 -50%；8 月基于月之暗面 Kimi K3 发布自有模型后，毛利率重新转正。Abridge、Decagon、Ramp 正在跟进同一策略——AI 应用层的商业模式正在集体换轨。

Harvey 的毛利率过山车：Token 涨 20 倍、一度跌到 -50%，靠自研 Kimi K3 模型转正

AI 应用层的商业模式，正在经历一次集体换轨。彭博近日披露了法律 AI 独角兽 Harvey 的内部账本：Token 使用量今年增长 20 倍，毛利率从年初的约 50% 一路跌到 6 月的 -50%——每签一单、烧一倍的钱。转机出现在 8 月：Harvey 基于月之暗面 Kimi K3 发布了自己的模型，成本只有原先的一小部分，叠加使用策略调整，毛利率重新转正。

一、这门生意的数学题

Harvey 的曲线把「套壳焦虑」变成了一道具体的算术题：

• 收入端：垂直 SaaS 定价相对刚性，客户按席位/按年付费，涨价有天花板；
• 成本端：推理用量随产品渗透非线性增长——用户越多、Agent 跑得越长，Token 消耗越猛。用量涨 20 倍，推理成本就涨 20 倍，中间没有缓冲层。

当成本曲线的斜率压过收入曲线，毛利率转负只是时间问题。Harvey 不是个案：Abridge（医疗 AI）、Decagon（客服 AI）、Ramp（金融 AI） 等高增长初创都在做同一道题，而且给出了相同解法——自研模型。Decagon 目前已有八成流量走自有模型，红杉与 General Catalyst 等机构在背后助推这一轮转型。

二、为什么是「基于开源模型自研」而不是「继续买 API」

自研不等于从零预训练。Harvey 的路径是基于开源模型（Kimi K3）做领域适配，这条路线的账算得过来：

1. 成本结构翻转：开源权重 + 自有推理栈，边际成本从「按 Token 付溢价」变成「付算力电费」，垂直场景不需要最前沿的通用能力，够用且便宜的模型反而是最优解；
2. 领域护城河：法律文本的术语体系、引用规范、风险模式，是通用模型 API 给不了的微调素材——Harvey 积累的垂直数据第一次有了沉淀为资产的地方；
3. 议价筹码：即使保留部分前沿模型兜底复杂任务，「随时可以切换到自有模型」本身就是与上游谈判的筹码。

三、对 AI 应用层的普遍含义

这件事值得所有做 AI 应用的团队拿小本本记下：

• 「毛利转负 → 自研转正」可能成为垂直 AI 公司的标准成长剧本：先借前沿模型的能力验证 PMF，用量起来后用开源模型承接 80% 的高频任务，把前沿 API 留给长尾；
• 开源模型的产业角色变了：Kimi K3、Qwen、DeepSeek 这些开源权重不再只是「闭源的平替」，而是垂直公司自研模型的地基——模型厂卖不出 Token 的地方，赚到了生态位；
• 纯 Wrapper 的估值逻辑进一步瓦解：没有数据沉淀、没有模型能力、没有切换成本的中间层，在上下游两头受挤。

结语

Harvey 从 50% 到 -50% 再回正的过山车，画出了 AI 应用层的成熟曲线：烧钱验证需求的阶段结束了，算账的阶段开始了。接下来一年，看一家垂直 AI 公司是否健康，别只看 ARR 增速——先问一句：你的毛利率里，有多少交给了别人的 Token？